JP4766897B2 - Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus - Google Patents

Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus Download PDF

Info

Publication number
JP4766897B2
JP4766897B2 JP2005098581A JP2005098581A JP4766897B2 JP 4766897 B2 JP4766897 B2 JP 4766897B2 JP 2005098581 A JP2005098581 A JP 2005098581A JP 2005098581 A JP2005098581 A JP 2005098581A JP 4766897 B2 JP4766897 B2 JP 4766897B2
Authority
JP
Japan
Prior art keywords
gray level
level difference
cumulative frequency
approximate
predetermined
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2005098581A
Other languages
Japanese (ja)
Other versions
JP2006195947A (en
Inventor
明夫 石川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokyo Seimitsu Co Ltd
Original Assignee
Tokyo Seimitsu Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tokyo Seimitsu Co Ltd filed Critical Tokyo Seimitsu Co Ltd
Priority to JP2005098581A priority Critical patent/JP4766897B2/en
Priority to US11/255,136 priority patent/US7336815B2/en
Publication of JP2006195947A publication Critical patent/JP2006195947A/en
Application granted granted Critical
Publication of JP4766897B2 publication Critical patent/JP4766897B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/302—Contactless testing
    • G01R31/308—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation
    • G01R31/311—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation of integrated circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Description

本発明は、対応する信号の差を検出し、検出した差を閾値と比較して、差が閾値より大きい場合に、欠陥であると判定する欠陥検査方法及び装置に関し、特に２つの画像の対応する部分のグレイレベル差を検出し、検出したグレイレベル差を閾値と比較して、グレイレベル差が閾値より大きい場合に、欠陥であると判定する画像欠陥検査方法及び装置、及びそのような方法により半導体ウエハ上に形成された半導体回路パターンの欠陥を検出する外観検査装置に関し、更にいえば閾値を信号（画像）に応じて定める技術に関する。   The present invention relates to a defect inspection method and apparatus that detects a difference between corresponding signals, compares the detected difference with a threshold value, and determines that the defect is a defect when the difference is greater than the threshold value. Image defect inspection method and apparatus for detecting a gray level difference of a portion to be detected, comparing the detected gray level difference with a threshold value, and determining a defect when the gray level difference is larger than the threshold value, and such a method The present invention relates to an appearance inspection apparatus for detecting a defect in a semiconductor circuit pattern formed on a semiconductor wafer by using the above method, and more particularly to a technique for determining a threshold value according to a signal (image).

本発明は、同一であるべき２つの画像の対応する部分を比較して、差が大きな場合を欠陥と判定する画像処理方法及び装置を対象とする。ここでは半導体製造工程で半導体ウエハ上に形成した半導体回路パターンの欠陥を検出する外観検査装置（インスペクションマシン）を例として説明を行なうが、本発明はこれに限定されるものではない。一般の外観検査装置は、対象表面を垂直方向から照明してその反射光の像を捕らえる明視野検査装置であるが、照明光を直接捕らえない暗視野検査装置も使用されている。暗視野検査装置の場合、対象表面を斜め方向又は垂直方向から照明して正反射は検出しないようにセンサを配置し、照明光の照射位置を順次走査することにより対象表面の暗視野像を得る。従って、暗視野装置ではイメージセンサを使用しない場合もあるが、これも当然発明の対象である。このように、本発明は、同一であるべき２つの画像（信号）の対応する部分を比較して、差が大きな部分を欠陥と判定する画像処理方法及び装置であれば、どのような方法及び装置にも適用可能である。   The present invention is directed to an image processing method and apparatus that compares corresponding portions of two images that should be identical and determines that a difference is large as a defect. Here, an example of an appearance inspection apparatus (inspection machine) that detects defects in a semiconductor circuit pattern formed on a semiconductor wafer in a semiconductor manufacturing process will be described, but the present invention is not limited to this. A general appearance inspection apparatus is a bright field inspection apparatus that illuminates a target surface from the vertical direction and captures an image of reflected light, but a dark field inspection apparatus that does not directly capture illumination light is also used. In the case of a dark field inspection apparatus, a sensor is arranged so that regular reflection is not detected by illuminating the target surface from an oblique direction or a vertical direction, and a dark field image of the target surface is obtained by sequentially scanning the irradiation position of the illumination light. . Therefore, the image sensor may not be used in the dark field device, but this is also an object of the invention. In this way, the present invention compares any corresponding part of two images (signals) that should be the same, and any method and apparatus as long as it is an image processing method and apparatus that determines a part having a large difference as a defect. It is also applicable to the device.

半導体製造工程では、半導体ウエハ上に多数のチップ（ダイ）を形成する。各ダイには何層にも渡ってパターンが形成される。完成したダイは、プローバとテスタにより電気的な検査が行われ、不良ダイは組み立て工程から除かれる。半導体製造工程では、歩留まりが非常に重要であり、上記の電気的な検査の結果は製造工程にフィードバックされて各工程の管理に使用される。しかし、半導体製造工程は多数の工程で形成されており、製造を開始してから電気的な検査が行われるまで非常に長時間を要するため、電気的な検査により工程に不具合があることが判明した時には既に多数のウエハは処理の途中であり、検査の結果を歩留まりの向上に十分に生かすことができない。そこで、途中の工程で形成したパターンを検査して欠陥を検出するパターン欠陥検査が行われる。全工程のうちの複数の工程でパターン欠陥検査を行なえば、前の検査の後で発生した欠陥を検出することができ、検査結果を迅速に工程管理に反映することができる。   In the semiconductor manufacturing process, a large number of chips (dies) are formed on a semiconductor wafer. Each die is patterned over several layers. The completed die is electrically inspected by a prober and tester, and the defective die is removed from the assembly process. In the semiconductor manufacturing process, the yield is very important, and the result of the electrical inspection is fed back to the manufacturing process and used for managing each process. However, the semiconductor manufacturing process is formed in many processes, and it takes a very long time from the start of manufacturing until the electrical inspection is performed. At this time, a large number of wafers are already being processed, and the inspection results cannot be fully utilized for improving the yield. Therefore, pattern defect inspection is performed in which a pattern formed in an intermediate process is inspected to detect a defect. If pattern defect inspection is performed in a plurality of processes among all processes, defects generated after the previous inspection can be detected, and the inspection result can be quickly reflected in the process management.

現在使用されている外観検査装置は、半導体ウエハを照明し、半導体回路パターンの画像を光学的に捕らえて画像電気信号を発生し、この画像電気信号を更に多値のデジタル信号（デジタルグレイレベル信号）に変換する。そして、基準となるパターンのグレイレベル信号との差信号（グレイレベル差信号）を生成し、その差が所定の閾値より大きい部分を欠陥と判定している。基準となるパターンは隣接するダイである場合、または隣接する同形状パターンである場合が一般的である。そして欠陥と判定された部分を更に詳細に調べて歩留まりに影響する真の欠陥であるか判定する欠陥分類処理を行なう。欠陥分類処理は欠陥の部分を詳細に調べる必要があり、長い処理時間を必要とする。そのため、欠陥を判定する場合には、真の欠陥は漏らさず、且つ真の欠陥以外はできるだけ欠陥と判定しないことが要求される。   The visual inspection apparatus currently used illuminates a semiconductor wafer, optically captures an image of a semiconductor circuit pattern, generates an image electrical signal, and this image electrical signal is further converted into a multi-value digital signal (digital gray level signal). ). Then, a difference signal (gray level difference signal) from the gray level signal of the reference pattern is generated, and a portion where the difference is larger than a predetermined threshold is determined as a defect. In general, the reference pattern is an adjacent die or an adjacent identical pattern. Then, a defect classification process is performed in which the portion determined to be a defect is examined in more detail to determine whether it is a true defect that affects the yield. In the defect classification process, it is necessary to examine the defect portion in detail, and a long processing time is required. Therefore, when determining a defect, it is required that a true defect is not leaked and that other than the true defect is not determined as a defect as much as possible.

そこで、閾値の設定が大きな問題になる。閾値を小さくすると欠陥と判定される画素（ピクセル）が増加し、真の欠陥でない部分まで欠陥と判定されることになり、欠陥分類処理に要する時間が長くなるという問題を生じる。逆に、閾値を大きくしすぎると真の欠陥まで欠陥でないと判定されることになり、検査が不充分であるという問題を生じる。   Therefore, the threshold setting is a big problem. If the threshold value is reduced, the number of pixels (pixels) that are determined as defects increases, and even a portion that is not a true defect is determined as a defect, which causes a problem that the time required for the defect classification process becomes long. On the other hand, if the threshold value is too large, it is determined that the true defect is not a defect, which causes a problem that the inspection is insufficient.

従来の閾値をサンプルによって自動的に決定する方法は、あらかじめ類似のサンプルのパターンのデジタルグレイレベル信号を生成し、更にグレイレベル差信号を生成し、差のヒストグラムを作成する。そして、差のヒストグラムの大きな部分から所定の比率で設定された変動基準差を求め、それに固定差を加算して検出の閾値としていた。これは、差の分布のばらつきが大きい場合が実際にも問題であると考え、そのような場合にも欠陥と判定される画素があまり増加しないようにするためである。この方法では、変動基準差はサンプルにより変化するが、加算される固定差は固定であり、サンプルにより変化しないので、ノイズレベルが変化する場合には適切な閾値を求めることができないという問題がある。   A conventional method for automatically determining a threshold value by sample generates a digital gray level signal of a pattern of similar samples in advance, further generates a gray level difference signal, and creates a difference histogram. Then, a fluctuation reference difference set at a predetermined ratio is obtained from a large portion of the difference histogram, and a fixed difference is added thereto to obtain a detection threshold value. This is because a case where the variation in the difference distribution is large is considered to be a problem in practice, and even in such a case, pixels that are determined to be defective do not increase so much. In this method, the fluctuation reference difference varies depending on the sample, but the added fixed difference is fixed and does not vary depending on the sample. Therefore, there is a problem that an appropriate threshold cannot be obtained when the noise level changes. .

このような問題を解決するため、閾値を決定する各種の方法が提案されている。例えば、特開平４−１０７９４６号公報（下記特許文献１）は、パターンの複数の部分でグレイレベル差を算出し、その統計量に基づいて閾値を決定する方法を開示している。具体的には、グレイレベル差の部分ごとの最大値を求めて最大値ヒストグラムを作成する。そして、その平均値及び標準偏差から最適閾値の初期値を設定し、更に欠陥と検出される画素数から初期値を修正して最適閾値を決定する。しかし、この方法は、（１）あらかじめサンプルを測定する必要があり、（２）複数回検査を行なわなければならないという問題がある。更に、欠陥検出数が急変する閾値が最適とされているが、どのようにして急変する閾値を求めるか具体的な方法が記載されていない。   In order to solve such a problem, various methods for determining a threshold value have been proposed. For example, Japanese Patent Laid-Open No. 4-107946 (Patent Document 1 below) discloses a method of calculating a gray level difference at a plurality of portions of a pattern and determining a threshold value based on the statistics. Specifically, a maximum value histogram is created by obtaining a maximum value for each portion of the gray level difference. Then, an initial value of the optimum threshold is set from the average value and standard deviation, and the optimum value is determined by correcting the initial value from the number of pixels detected as a defect. However, this method has a problem that (1) it is necessary to measure a sample in advance, and (2) it is necessary to perform a plurality of inspections. Furthermore, although the threshold value at which the number of detected defects is suddenly changed is optimal, no specific method is described for how to obtain the threshold value at which sudden change occurs.

また、特許第２９９６２６３号（下記特許文献２）は、グレイレベル差と頻度の関係から近似曲線を求め、この近似曲線がゼロとなるグレイレベル差を最適閾値とする方法を開示している。しかし、グレイレベル差と頻度の関係が曲線となるが、曲線はかならずしもゼロにはならないため、近似曲線がゼロにならない場合が存在する。また、直線でも傾きによってはゼロにならない場合が存在する。従って、設定できない場合が起こり得る。更に、この曲線は容易に求めることができると記載されているが、この曲線は実際にはグレイレベル差の分布に依存するため簡単に求めることはできず、処理時間が長くなるという問題がある。   Japanese Patent No. 2996263 (Patent Document 2 below) discloses a method of obtaining an approximate curve from the relationship between the gray level difference and the frequency, and setting the gray level difference at which the approximate curve is zero as the optimum threshold. However, although the relationship between the gray level difference and the frequency is a curve, the curve does not always become zero, so there are cases where the approximate curve does not become zero. In addition, there are cases where even a straight line does not become zero depending on the inclination. Therefore, a case where the setting cannot be made may occur. Furthermore, although it is described that this curve can be easily obtained, since this curve actually depends on the distribution of the gray level difference, it cannot be easily obtained, and there is a problem that the processing time becomes long. .

特開２００２−２２４２１号公報（下記特許文献３）は、標準偏差によるエラー確率変換を行なう方法を開示している。しかし、この方法は、（１）標準偏差をグレイレベル差から直接計算するため、多量の計算量を必要とし、処理時間が長くなるという問題があり、（２）欠陥の判定にグレイレベル差ではなく、エラー確率値を使用しているため、すべてのグレイレベル差に対してエラー確率値を求める計算が必要となり、処理時間が長くなるという問題がある。更に、標準偏差を使用するため、正規分布にのみ適用でき、他の分布には適用できないという問題もある。   Japanese Patent Laid-Open No. 2002-22421 (Patent Document 3 below) discloses a method of performing error probability conversion based on standard deviation. However, this method (1) directly calculates the standard deviation from the gray level difference, so that a large amount of calculation is required and the processing time becomes long. (2) The gray level difference is used for defect determination. However, since error probability values are used, it is necessary to calculate error probability values for all gray level differences, which increases the processing time. Furthermore, since the standard deviation is used, there is a problem that it can be applied only to the normal distribution and cannot be applied to other distributions.

半導体パターンの検査などにおいては、検査の自動化が求められており、閾値の設定も自動的に行なうことが求められている。そのためには、検出したグレイレベル差を即座に処理して最適閾値を設定し、それに基づいて欠陥判定を行なう必要があり、上記のような方法を自動的に行って閾値を自動設定することが考えられる。しかし、一方ではスループット向上のため、検査時間の短縮も求められており、上記の方法は、あらかじめサンプルを複数回測定する必要がある、処理時間が長いなどの問題があり、高スループットの検査装置の閾値設定を自動化するには適していないという問題がある。
特に、実際の半導体パターンの検査では、ダイ内の部分によりノイズレベルが異なり、ウエハ上のダイの位置に応じてもノイズレベルが異なり、さらには同じ半導体パターンを形成した場合でもウエハによりノイズレベルが異なる。そのため、検出したグレイレベル差を随時処理して最適閾値を設定する必要があるが、上記の従来の方法を使用したのではこのような要求を満たすことはできない。 In semiconductor pattern inspection or the like, automation of inspection is required, and threshold setting is also required to be performed automatically. For this purpose, it is necessary to immediately process the detected gray level difference and set an optimum threshold value, and to perform defect determination based on the optimum threshold value. The above-described method is automatically performed to automatically set the threshold value. Conceivable. However, on the other hand, in order to improve the throughput, it is also required to shorten the inspection time, and the above method has a problem that it is necessary to measure the sample a plurality of times in advance, and the processing time is long. There is a problem that it is not suitable for automating the threshold setting.
In particular, in the actual semiconductor pattern inspection, the noise level varies depending on the part in the die, the noise level varies depending on the position of the die on the wafer, and even if the same semiconductor pattern is formed, the noise level varies depending on the wafer. Different. Therefore, it is necessary to process the detected gray level difference as needed to set the optimum threshold, but such a request cannot be satisfied by using the above-described conventional method.

上記の背景を鑑みて、本特許出願の出願人は特願２００３−１８８２０９において、２つの画像の対応する部分のグレイレベル差の分布（ヒストグラム）から（図１（Ａ）参照）、その累積頻度を算出し（図１（Ｂ）参照）、仮定した所定の分布で、累積頻度がグレイレベル差に対してリニアな関係になるように変換して変換累積頻度を算出して（図１（Ｃ）参照）、その近似直線を算出し、算出した近似直線に基づいて所定の累積頻度の値から所定の算出方法に従って閾値を決定する画像欠陥検査方法を提案した（下記特許文献４）。
例えば、図１（Ｃ）の例では、閾値ＴはＴ＝（Ｐ１−ｂ＋ＶＯＰ）／ａ＋ＨＯで算出される。ここにａは近似直線の傾き、ｂは縦軸に対する近似直線の切片であり、Ｐ１は所定の累積確率（ｐ）に対応する累積頻度であり、ＶＯＰ、ＨＯは所定の感度設定パラメータである。
この方法により算出される変換累積頻度はグレイレベル差に対してリニアな関係となるのでその後の閾値を決定する処理が容易になり、短い処理時間で自動的に閾値の設定を行なうことが可能となる。 In view of the background described above, the applicant of the present patent application described in Japanese Patent Application No. 2003-188209 from the distribution (histogram) of gray level differences between corresponding portions of two images (see FIG. 1A), and the cumulative frequency thereof. (See FIG. 1B), and the converted cumulative frequency is calculated by converting the cumulative frequency so as to have a linear relationship with the gray level difference in the assumed predetermined distribution (FIG. 1C )), And proposed an image defect inspection method in which the approximate line is calculated and a threshold is determined according to a predetermined calculation method from a predetermined cumulative frequency value based on the calculated approximate line (Patent Document 4 below).
For example, in the example of FIG. 1C, the threshold T is calculated by T = (P1−b + VOP) / a + HO. Here, a is the slope of the approximate line, b is the intercept of the approximate line with respect to the vertical axis, P1 is the cumulative frequency corresponding to a predetermined cumulative probability (p), and VOP and HO are predetermined sensitivity setting parameters.
Since the cumulative conversion frequency calculated by this method has a linear relationship with the gray level difference, it becomes easy to determine the threshold value thereafter, and the threshold value can be automatically set in a short processing time. Become.

特開平４−１０７９４６号公報JP-A-4-107946 特許第２９９６２６３号公報Japanese Patent No. 2996263 特開２００２−２２４２１号公報Japanese Patent Laid-Open No. 2002-22421 特開２００４−１７７３９７号公報JP 2004-177397 A

しかしながら、上記特許文献４に開示される検出されたグレイレベル差信号の分布に基づき検出閾値を決定する方法においては、実際の検査対象画像のグレイレベル差の分布が、上記の変換累積頻度を算出する際に仮定された所定の分布と異なる場合に、上記の変換累積頻度の近似直線が影響を受け、上記検出閾値が不適当に設定されるという問題があった。   However, in the method for determining the detection threshold based on the distribution of the detected gray level difference signal disclosed in Patent Document 4, the gray level difference distribution of the actual inspection target image calculates the conversion cumulative frequency. When the distribution is different from the predetermined distribution assumed in the process, there is a problem that the approximate straight line of the conversion cumulative frequency is affected and the detection threshold is set inappropriately.

例えば、検査対象の画像に巨大な欠陥（すなわち、検査対象画像の画素の母集団に対して無視することができない欠陥）が存在するために、図２（Ａ）に示すようにグレイレベル差の大きな部分に欠陥に対応する部分ｒが生じているとする。このヒストグラムから累積頻度を算出すると図２（Ｂ）のようになる。ここで破線Ａ及び一点鎖線Ｂは、それぞれ欠陥がない場合及びある場合の累積頻度である。そして、これら累積頻度をそれぞれの変換累積頻度に変換すると、図２（Ｃ）の破線Ｃ及び図２（Ｄ）の破線Ｅのようになる。
図示するように、巨大欠陥がない場合の破線Ｃでは良好に直線に近似されるが、巨大欠陥がある場合の破線Ｅでは、変換累積頻度はあるグレイレベル差までは直線に近似され、そのグレイレベル差から離れたより大きなグレイレベル差の部分では、直線部分がシフトする階段状のグラフとなる。 For example, since the image to be inspected has a huge defect (that is, a defect that cannot be ignored with respect to the pixel population of the image to be inspected), as shown in FIG. It is assumed that a portion r corresponding to a defect is generated in a large portion. When the cumulative frequency is calculated from this histogram, it is as shown in FIG. Here, the broken line A and the alternate long and short dash line B are cumulative frequencies when there is no defect and when there is no defect, respectively. Then, when these accumulated frequencies are converted into respective converted accumulated frequencies, a broken line C in FIG. 2C and a broken line E in FIG. 2D are obtained.
As shown in the figure, the broken line C in the absence of a giant defect is well approximated to a straight line, but in the broken line E in the presence of a giant defect, the conversion cumulative frequency is approximated to a straight line up to a certain gray level difference. In the part of the larger gray level difference away from the level difference, a staircase graph in which the straight line part shifts is obtained.

したがって、巨大欠陥がない場合の変換累積頻度の近似直線Ｄを求め、グレイレベル差が正の領域に巨大欠陥がある場合の、変換累積頻度のグレイレベル差が負及び正の領域におけるそれぞれの近似直線Ｆ及びＧを求めると、実線Ｇにみるように巨大欠陥のあるグレイレベル差が正の領域では、実線Ｄに比べて近似直線の傾きが小さくなり。このため閾値が大きく設定され検出感度が低下してしまう。   Accordingly, the approximate straight line D of the conversion cumulative frequency when there is no giant defect is obtained, and the approximation in the region where the gray level difference of the conversion cumulative frequency is negative and positive when the gray defect is in the positive region. When the straight lines F and G are obtained, the slope of the approximate straight line is smaller than that of the solid line D in the region where the gray level difference with a huge defect is positive as seen by the solid line G. For this reason, the threshold value is set large, and the detection sensitivity is lowered.

このような問題点を鑑みて、本発明の目的は、２つの画像の対応する部分のグレイレベル差を検出し、検出されたグレイレベル差の分布に基づき閾値を自動設定し、この閾値と検出したグレイレベル差とを比較して、グレイレベル差が閾値より大きい場合に欠陥であると判定する画像欠陥検査方法及び装置において、被検査画像のグレイレベル差の分布が通常の分布と異なる場合に、上記自動設定した閾値を補正することにより、疑似欠陥の発生を抑えつつ高い検出感度で欠陥検査を可能とすることを目的とする。   In view of such problems, an object of the present invention is to detect a gray level difference between corresponding portions of two images, automatically set a threshold based on the distribution of the detected gray level difference, and detect the threshold and In the image defect inspection method and apparatus for determining a defect when the gray level difference is larger than the threshold value when the gray level difference is larger than the threshold value, the distribution of the gray level difference of the inspected image is different from the normal distribution. An object of the present invention is to enable defect inspection with high detection sensitivity while suppressing the occurrence of pseudo defects by correcting the automatically set threshold value.

上記目的を達成するために、本発明の第１の形態に係る画像欠陥検査方法及び画像欠陥検査装置では、２つの画像の対応する部分のグレイレベル差の累積頻度を算出し、仮定した所定の分布で、累積頻度がグレイレベル差に対してリニアな関係になるように変換して変換累積頻度を算出し、グレイレベル差が正及び負である各領域において近似直線を算出し、各近似直線同士の各傾きの差が所定値より大きいとき、近似直線のうち傾きの小さい方の近似直線をその傾きが増大するように補正し、この近似直線に基づいて所定の累積頻度の値から所定の算出方法に従って閾値を決定する。   In order to achieve the above object, the image defect inspection method and the image defect inspection apparatus according to the first embodiment of the present invention calculate the cumulative frequency of gray level differences between corresponding portions of two images, In the distribution, the cumulative frequency is converted so as to have a linear relationship with the gray level difference to calculate the conversion cumulative frequency, and the approximate straight line is calculated in each region where the gray level difference is positive and negative. When the difference between the slopes is greater than a predetermined value, the approximate straight line with the smaller slope of the approximate lines is corrected so that the slope increases, and a predetermined cumulative frequency value is determined based on the approximate straight line. The threshold is determined according to the calculation method.

前記各近似直線同士の各傾きの差が所定値より大きい場合に、その傾きの小さい方の近似直線をその傾きが増大するように補正するには、その傾きが所定量だけ増大するように補正することとしてよく、また他方の近似直線の傾きと等しい傾きとなるように補正することとしてもよく、さらに両前記近似直線の傾きの平均と等しい傾きとなるように補正することとしてもよい。   When the difference between the slopes of the approximate lines is larger than a predetermined value, to correct the approximate line with the smaller slope so that the slope increases, the slope is increased by a predetermined amount. Alternatively, the inclination may be corrected to be equal to the inclination of the other approximate line, or may be corrected to be equal to the average of the inclinations of the two approximate lines.

また、本発明の第２の形態に係る画像欠陥検査方法及び画像欠陥検査装置では、２つの画像のグレイレベル差の累積頻度を算出し、グレイレベル差が分布すると仮定した所定の分布で、累積頻度がグレイレベル差に対してリニアな関係になるように変換して変換累積頻度を算出し、これを直線近似して各近似直線を算出し、変換累積頻度とグレイレベル差との相関係数を算出し、近似直線に基づいて所定の累積頻度の値から所定の算出方法に従って閾値を決定し、算出した相関係数に応じて決定した閾値を補正する。   In the image defect inspection method and the image defect inspection apparatus according to the second embodiment of the present invention, the cumulative frequency of the gray level difference between the two images is calculated, and the cumulative distribution is performed with a predetermined distribution that is assumed to be distributed. The conversion cumulative frequency is calculated by converting the frequency so that it has a linear relationship with the gray level difference, and this is approximated by a straight line to calculate each approximate line, and the correlation coefficient between the conversion cumulative frequency and the gray level difference , And a threshold value is determined according to a predetermined calculation method from a predetermined cumulative frequency value based on the approximate line, and the threshold value determined according to the calculated correlation coefficient is corrected.

このとき閾値の補正は、まず、上記所定の分布を正常に、分布するグレイレベル差の分布に応じて仮定して決定しておき、算出した相関係数の低下に対して上記決定した閾値を増大するように補正することとしてよく、又は上記所定の分布を、所定量のノイズを有する２画像のグレイレベル差の分布に応じて仮定して決定しておき、算出した相関係数の増大に対して上記決定した閾値を増大するように補正することとしてもよい。   At this time, the threshold is corrected by first assuming the predetermined distribution according to the distribution of the gray level difference to be distributed normally, and determining the determined threshold for the calculated decrease in the correlation coefficient. It may be corrected so as to increase, or the predetermined distribution is determined on the assumption of the distribution of the gray level difference between two images having a predetermined amount of noise, and the calculated correlation coefficient is increased. On the other hand, it may be corrected so as to increase the threshold value determined above.

さらに、本発明の第３の形態に係る画像欠陥検査方法及び画像欠陥検査装置では、２つの画像の対応する部分のグレイレベル差の累積頻度を算出し、仮定した所定の分布で、累積頻度がグレイレベル差に対してリニアな関係になるように変換して変換累積頻度を算出し、グレイレベル差が正及び負である各領域において近似直線を算出し、各近似直線同士の傾きの差に応じて前記各近似直線の傾きの少なくとも一方を補正し、この近似直線に基づいて所定の累積頻度の値から所定の算出方法に従って閾値を決定する。   Furthermore, in the image defect inspection method and the image defect inspection apparatus according to the third aspect of the present invention, the cumulative frequency of the gray level difference between the corresponding portions of the two images is calculated, and the cumulative frequency is calculated with the assumed predetermined distribution. The conversion cumulative frequency is calculated by converting the gray level difference so as to have a linear relationship, and an approximate straight line is calculated in each region where the gray level difference is positive and negative. Accordingly, at least one of the slopes of each approximate line is corrected, and a threshold value is determined according to a predetermined calculation method from a predetermined cumulative frequency value based on the approximate line.

使用する分布は、どのような分布でもよく、例えば、正規分布、ポアソン分布、ｔ分布、指数分布、ワイブル(Weibull)又はχ二乗分布のいずれかである。   The distribution to be used may be any distribution, for example, a normal distribution, a Poisson distribution, a t distribution, an exponential distribution, a Weibull or a χ square distribution.

本発明によれば、検査対象のパターンに、巨大欠陥があっても、その影響を補正して検出閾値の自動設定を行なうことが可能であるため、検出閾値が不当に大きくなることを防止して高い検出感度で欠陥検出を行なうことが可能となる。
また、上記相関係数に応じて検出閾値の補正を行なうことにより、ノイズの少ない被検査画像については自動的に高い検出感度を使用し、ノイズの多い被検査画像については低い検出感度を使用することが可能となるため、疑似欠陥の発生を抑制しつつ高い感度での欠陥検出を行なうことができる。 According to the present invention, even if there is a huge defect in the pattern to be inspected, it is possible to correct the influence and automatically set the detection threshold, so that the detection threshold is prevented from becoming unduly large. Therefore, defect detection can be performed with high detection sensitivity.
Further, by correcting the detection threshold according to the correlation coefficient, a high detection sensitivity is automatically used for an inspection image with little noise, and a low detection sensitivity is used for an inspection image with a lot of noise. Therefore, it is possible to detect a defect with high sensitivity while suppressing the generation of pseudo defects.

以下、添付する図面を参照して本発明の実施例を説明する。図３は、本発明の第１実施例の半導体パターン用外観検査装置の概略構成を示すブロック図である。図示のように、２次元又は３次元方向に自在に移動可能なステージ１の上面に試料台（チャックステージ）２が設けられている。この試料台の上に、検査対象となる半導体ウエハ３を載置して固定する。ステージの上部には１次元又は２次元のＣＣＤカメラなどを用いて構成される撮像装置４が設けられており、撮像装置４は半導体ウエハ３上に形成されたパターンの画像信号を発生させる。   Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. FIG. 3 is a block diagram showing a schematic configuration of the semiconductor pattern appearance inspection apparatus according to the first embodiment of the present invention. As shown in the figure, a sample stage (chuck stage) 2 is provided on the upper surface of a stage 1 that can freely move in two-dimensional or three-dimensional directions. On this sample stage, the semiconductor wafer 3 to be inspected is placed and fixed. An imaging device 4 configured using a one-dimensional or two-dimensional CCD camera or the like is provided above the stage, and the imaging device 4 generates an image signal of a pattern formed on the semiconductor wafer 3.

図４に示すように、半導体ウエハ３上には、複数のダイ３Ａが、Ｘ方向とＹ方向にそれぞれ繰返し、マトリクス状に配列されている。各ダイには同じパターンが形成されるので、隣接するダイの対応する部分の画像を比較するのが一般的である。両方のダイに欠陥がなければグレイレベル差は閾値より小さいが、一方に欠陥があればグレイレベル差は閾値より大きくなる（シングルディテクション）。これではどちらのダイに欠陥があるか分からないので、更に異なる側に隣接するダイとの比較を行い、同じ部分のグレイレベル差が閾値より大きくなればそのダイに欠陥があることが分かる（ダブルディテクション）。   As shown in FIG. 4, a plurality of dies 3 </ b> A are repeatedly arranged in a matrix on the semiconductor wafer 3 in the X direction and the Y direction, respectively. Since the same pattern is formed on each die, it is common to compare images of corresponding portions of adjacent dies. If there is no defect in both dies, the gray level difference is less than the threshold, but if there is a defect in one, the gray level difference is greater than the threshold (single detection). Since this does not know which die is defective, a comparison is made with adjacent dies on different sides. If the gray level difference in the same part becomes larger than the threshold value, it can be seen that the die is defective (double Detection).

撮像装置４は１次元のＣＣＤカメラを備え、カメラが半導体ウエハ３に対してＸ方向又はＹ方向に一定速度で相対的に移動（スキャン）するようにステージ１を移動する。画像信号は多値のデジタル信号（グレイレベル信号）に変換された後、差分検出部６に入力されると共に、信号記憶部５に記憶される。スキャンにより隣のダイのグレイレベル信号が生成されると、それに同期して信号記憶部５に記憶された前のダイのグレイレベル信号を読み出し、差分検出部６に入力する。実際には微小な位置合わせ処理などが行われるがここでは詳しい説明は省略する。   The imaging device 4 includes a one-dimensional CCD camera, and moves the stage 1 so that the camera moves (scans) relative to the semiconductor wafer 3 at a constant speed in the X direction or the Y direction. The image signal is converted into a multi-value digital signal (gray level signal), and then input to the difference detection unit 6 and stored in the signal storage unit 5. When the gray level signal of the adjacent die is generated by scanning, the gray level signal of the previous die stored in the signal storage unit 5 is read out in synchronization with it and input to the difference detection unit 6. Actually, a minute alignment process is performed, but detailed description is omitted here.

差分検出部６には隣接する２個のダイのグレイレベル信号が入力され、２つのグレイレベル信号の差（グレイレベル差）が演算されて検出閾値計算部７と検出部８に出力される。ここでは、差分検出部６は、グレイレベル差（正負の符号あり）を算出し、それをグレイレベル差として出力する。検出閾値計算部７は、グレイレベル差から検出閾値を決定し、検出部８に出力する。検出部８は、グレイレベル差を決定された閾値と比較し、欠陥かどうかを判定する。半導体パターンは、メモリセル部、論理回路部、配線部、アナログ回路部などのパターンの種類に応じてノイズレベルが異なるのが一般的である。半導体パターンの部分と種類の対応関係は設計データにより分かる。そこで、例えば、検出閾値計算部７は部分毎に閾値決定処理を行って閾値を決定し、検出部８は部分毎に決定された閾値で判定を行なう。   The difference detection unit 6 receives the gray level signals of two adjacent dies, calculates the difference between the two gray level signals (gray level difference), and outputs the difference to the detection threshold calculation unit 7 and the detection unit 8. Here, the difference detection unit 6 calculates a gray level difference (with a positive / negative sign) and outputs it as a gray level difference. The detection threshold calculation unit 7 determines the detection threshold from the gray level difference and outputs the detection threshold to the detection unit 8. The detection unit 8 compares the gray level difference with the determined threshold value and determines whether or not the defect is present. In general, a semiconductor pattern has a different noise level depending on a pattern type such as a memory cell portion, a logic circuit portion, a wiring portion, an analog circuit portion, and the like. Correspondence between semiconductor pattern portions and types can be understood from design data. Therefore, for example, the detection threshold calculation unit 7 performs threshold determination processing for each part to determine the threshold, and the detection unit 8 performs determination based on the threshold determined for each part.

なお、本実施例では、半導体ウエハ上の隣接するダイの画像を比較するために信号記憶部５を設けているが、別に記憶した基準試料の画像信号やＣＡＤなどのデータから生成した画像信号を差分検出部６に入力してグレイレベル差を生成することも可能であり、その場合には信号記憶部５を除くことができる。
以上、第１実施例の外観検査装置の概略構成を説明したが、本発明の特徴は検出閾値計算部７にあり、その概略構成を図５のブロック図を参照して説明する。 In this embodiment, the signal storage unit 5 is provided to compare the images of adjacent dies on the semiconductor wafer. However, an image signal generated from data such as an image signal of a reference sample stored separately and data such as CAD is used. It is also possible to generate a gray level difference by inputting to the difference detection unit 6, and in this case, the signal storage unit 5 can be omitted.
The schematic configuration of the appearance inspection apparatus according to the first embodiment has been described above. The feature of the present invention is the detection threshold value calculation unit 7. The schematic configuration will be described with reference to the block diagram of FIG.

図５は、検出閾値計算部７の検出閾値計算部の概略構成を示すブロック図である。
図示のように、検出閾値計算部７は、差分検出部６が出力する正負の符号付きグレイレベル差を入力して、その累積頻度を算出する累積頻度算出部１１と、この累積頻度を入力して、グレイレベル差に対してリニアな関係になるように累積頻度を変換し変換累積頻度を算出する変換部１２と、この変換累積頻度を、グレイレベル差が正及び負である各領域においてそれぞれ直線近似して各近似直線を算出する近似直線算出部１３と、この各近似直線同士の各傾きの差が所定値より大きいとき、傾きの小さい方の近似直線を補正する近似直線補正部１４と、この近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定する閾値決定部１５とを備える。
このように構成された検出閾値計算部７及び上記各構成要素の動作を、図１及び図６〜図１０を参照して説明する。 FIG. 5 is a block diagram illustrating a schematic configuration of the detection threshold calculation unit of the detection threshold calculation unit 7.
As shown in the figure, the detection threshold calculation unit 7 inputs a positive / negative signed gray level difference output from the difference detection unit 6 and calculates the cumulative frequency, and the cumulative frequency is input. The conversion unit 12 that converts the cumulative frequency so as to have a linear relationship with respect to the gray level difference and calculates the conversion cumulative frequency, and the conversion cumulative frequency in each region where the gray level difference is positive and negative, respectively. An approximate straight line calculating unit 13 for calculating each approximate straight line by linear approximation, and an approximate straight line correcting unit 14 for correcting an approximate straight line having a smaller inclination when the difference between the respective inclinations is larger than a predetermined value. And a threshold value determination unit 15 that determines a threshold value from a value of a predetermined cumulative frequency according to a predetermined calculation method based on the approximate line.
The operation of the detection threshold value calculation unit 7 configured as described above and each of the above components will be described with reference to FIGS. 1 and 6 to 10.

図６は、検出閾値計算部７の検出閾値計算処理を示すフローチャートである。また、このフローチャートに示される処理において生成されるグラフの例として、上記と同様に図１（Ａ）〜１（Ｃ）を参照する。
ステップＳ１０１では、差分検出部６で算出された各画素（ピクセル）のグレイレベル差が累積頻度算出部１１に入力される。ステップＳ１０２では、累積頻度算出部１１が図１（Ａ）のようなグレイレベル差のヒストグラムを作成する。なお、対象となる画素数が多い場合には、ヒストグラムはすべての画素のグレイレベル差を使用して作成する必要はなく、サンプリングした一部の画素のグレイレベル差を使用して作成してもよい。 FIG. 6 is a flowchart showing detection threshold calculation processing of the detection threshold calculation unit 7. In addition, as an example of a graph generated in the processing shown in this flowchart, reference is made to FIGS.
In step S <b> 101, the gray level difference of each pixel (pixel) calculated by the difference detection unit 6 is input to the cumulative frequency calculation unit 11. In step S102, the cumulative frequency calculation unit 11 creates a gray level difference histogram as shown in FIG. Note that when there are a large number of target pixels, it is not necessary to create a histogram using the gray level differences of all the pixels. Good.

ステップＳ１０３では、累積頻度算出部１１がヒストグラムからグレイレベル差に対する累積頻度を作成する。この時、後述するように、累積頻度でなく累積確率を作成してもよい。累積頻度算出部１１は、生成した累積頻度を変換部１２に出力する。
ステップＳ１０４で、変換部１２は、グレイレベル差が正規分布、ポアソン分布、又はχ二乗分布などのある分布に従うと仮定して、仮定した分布であった場合に累積頻度がグレイレベル差に対して直線関係となるように変換する。図７（Ａ）に示すように、グレイレベル差の頻度がある分布を有するとする。その累積頻度は、図７（Ｂ）のようにある単純増加曲線になる。この曲線は、総サンプル数で除して確率で表示すれば、分布の広がり具合を示す係数が同じであれば同じ曲線になる。次に、累積頻度がグレイレベル差に対して直線関係となるように変換する。具体的には、図７（Ｂ）のａ−ｉをＡ−Ｉに比例するように変換すると図７（Ｃ）に示すようになり、Ａ−Ｉが等間隔であるとすると、ａ−ｉも等間隔になる。このように変換した累積頻度を変換累積頻度と称することにする。この処理は、具体的にはグレイレベル差の確率をｆ（ｔ）とする場合、累積確率Ｆ（ｔ）（累積頻度／サンプル数）は次の数１の式で表される。 In step S103, the cumulative frequency calculation unit 11 creates a cumulative frequency for the gray level difference from the histogram. At this time, as described later, an accumulated probability may be created instead of the accumulated frequency. The cumulative frequency calculation unit 11 outputs the generated cumulative frequency to the conversion unit 12.
In step S104, the conversion unit 12 assumes that the gray level difference follows a certain distribution such as a normal distribution, a Poisson distribution, or a chi-square distribution. Convert to a linear relationship. As shown in FIG. 7A, it is assumed that there is a distribution with a frequency of gray level difference. The cumulative frequency becomes a simple increase curve as shown in FIG. If this curve is divided by the total number of samples and displayed as a probability, it will be the same curve if the coefficients indicating the extent of distribution are the same. Next, the cumulative frequency is converted so as to have a linear relationship with the gray level difference. Specifically, when ai in FIG. 7B is converted to be proportional to AI, the result is as shown in FIG. 7C, and when AI is equally spaced, ai Are equally spaced. The accumulated frequency converted in this way will be referred to as a converted accumulated frequency. Specifically, in this processing, when the probability of the gray level difference is f (t), the cumulative probability F (t) (cumulative frequency / number of samples) is expressed by the following equation (1).

Figure 0004766897
Figure 0004766897

累積確率Ｆ（ｔ）の逆関数Ｆ-1（ｔ）により、累積確率を変換することにより行なう。このようにして求めた変換累積頻度は図７（Ｃ）のように、直線に近いグラフになる。なお、図では累積頻度として示してあるが、累積確率で表示しても同じである。このようにして変換された変換累積頻度は、後段の近似直線算出部１３に出力される。   This is done by converting the cumulative probability using the inverse function F-1 (t) of the cumulative probability F (t). The conversion accumulation frequency obtained in this way is a graph close to a straight line as shown in FIG. In addition, although it has shown as an accumulation frequency in the figure, even if it displays with an accumulation probability, it is the same. The conversion cumulative frequency converted in this way is output to the approximate line calculation unit 13 at the subsequent stage.

累積確率の逆関数を求める計算は多量の計算量を必要とするため、あらかじめ分布に応じて変換表を求めておき、それを使用して変換を行なう。また、この変換は累積頻度全点に対して行なう必要はなく、後述する近似直線を求めるのに必要な点数だけ行なえばよい。仮定する分布は、リファレンスサンプル又はサンプルの一部分を用いてあらかじめ作成しておくことができる。リファレンスから仮定する分布を作成する方法は、検査で閾値を求める範囲よりも十分に大きな領域でグレイレベル差のヒストグラムを作成する。この時、色むらなどがないダイ又はそのような領域を選択するか、符号付きのグレイレベル差の平均値を求め平均値でグレイレベル差がゼロになるように補正するか、５０％の確率の時にグレイレベル差がゼロとなるように補正する。そして、等間隔のグレイレベル差に対して累積確率を求めて変換表を作成する。   Since the calculation for obtaining the inverse function of the cumulative probability requires a large amount of calculation, a conversion table is obtained in advance according to the distribution, and conversion is performed using the conversion table. Further, this conversion need not be performed for all points of the cumulative frequency, but may be performed by the number of points necessary for obtaining an approximate straight line to be described later. The assumed distribution can be created in advance using a reference sample or a part of the sample. In the method of creating the assumed distribution from the reference, a histogram of gray level differences is created in an area sufficiently larger than the range in which the threshold value is obtained by inspection. At this time, a die having no color unevenness or such a region is selected, or an average value of signed gray level differences is obtained and corrected so that the gray level difference becomes zero by the average value, or a probability of 50% At this time, the gray level difference is corrected to be zero. Then, a cumulative probability is obtained for gray level differences at equal intervals, and a conversion table is created.

ステップＳ１０５では近似直線算出部１３が、グレイレベル差と変換累積頻度の関係から近似直線（ｙ＝ａｘ＋ｂ）を算出する。このとき近似直線算出部１３は、グレイレベル差が正である領域と負である領域とで、それぞれの近似直線（ｙ＝ａ（＋）ｘ＋ｂ（＋）及びｙ＝ａ（−）ｘ＋ｂ（−））を算出する。
なお、近似直線は最小２乗法などを使用して求めることも可能であるが、簡易的には変換累積頻度のある１点と原点を直線で結んで近似直線を求めることも可能である。算出された各近似直線は、近似直線補正部１４及び閾値決定部１５に出力する。 In step S105, the approximate line calculation unit 13 calculates an approximate line (y = ax + b) from the relationship between the gray level difference and the conversion cumulative frequency. At this time, the approximate straight line calculation unit 13 performs the approximate straight lines (y = a (+) x + b (+) and y = a (−) x + b (−) in the regions where the gray level difference is positive and negative, respectively. )) Is calculated.
Note that the approximate line can be obtained by using the least square method or the like, but it is also possible to obtain the approximate line simply by connecting one point having the cumulative conversion frequency and the origin with a straight line. The calculated approximate straight lines are output to the approximate straight line correction unit 14 and the threshold value determination unit 15.

ステップＳ１０６では近似直線補正部１４は、入力された２つの近似直線同士の傾き（すなわち、ａ（＋）及びａ（−））を比較する。そして、２つの近似直線同士の傾きの差が所定値より大きいとき、ステップＳ１０７において近似直線のうち傾きの小さい方の近似直線を、その傾きが増大するように補正する。   In step S <b> 106, the approximate line correction unit 14 compares the slopes (that is, a (+) and a (−)) between the two input approximate lines. When the difference in slope between the two approximate lines is larger than a predetermined value, in step S107, the approximate line with the smaller slope of the approximate lines is corrected so that the slope increases.

ここで、撮像装置４が撮像したダイの画像に巨大な欠陥がある場合には、累積頻度算出部１１に入力される各画素のグレイレベル差は、例えば図８（Ａ）に示すように、欠陥に対応する部分ｒを有する分布（ヒストグラム）となる。図８（Ａ）の例では、グレイレベル差が正である領域に巨大欠陥に対応する部分ｒが生じている。
このように処理対象のグレイレベル差に欠陥に相当するグレイレベル差が含まれると、変換累積頻度は、図８（Ｂ）の一点鎖線Ｈに示すように、あるグレイレベル差までは直線に近似され、そのグレイレベル差から離れたより大きなグレイレベル差の部分に直線がシフトする階段状のグラフになる。 Here, when the image of the die imaged by the imaging device 4 has a huge defect, the gray level difference of each pixel input to the cumulative frequency calculation unit 11 is, for example, as shown in FIG. A distribution (histogram) having a portion r corresponding to the defect is obtained. In the example of FIG. 8A, a portion r corresponding to a giant defect is generated in a region where the gray level difference is positive.
As described above, when the gray level difference corresponding to the defect is included in the gray level difference to be processed, the conversion cumulative frequency approximates a straight line up to a certain gray level difference, as shown by a one-dot chain line H in FIG. As a result, a staircase graph in which the straight line shifts to a larger gray level difference portion away from the gray level difference is obtained.

したがって、このような変換累積頻度の近似直線を、グレイレベル差が正及び負である各領域毎にそれぞれ算出すると、正側の領域における近似直線（ｙ＝ａ（＋）ｘ＋ｂ（＋））は、負側の領域における近似直線（ｙ＝ａ（−）ｘ＋ｂ（−）））に比較して、傾きが小さくなる。そこで近似直線補正部１４は、２つの近似直線同士の傾きの差が所定値より大きいとき、近似直線のうち傾きの小さい方の近似直線（この例では正側の領域における近似直線ｙ＝ａ（＋）ｘ＋ｂ（＋））を、その傾きが増大するように補正された近似直線を求める。   Therefore, when such an approximate straight line of the cumulative conversion frequency is calculated for each region where the gray level difference is positive and negative, the approximate straight line (y = a (+) x + b (+)) in the positive region is In comparison with the approximate straight line (y = a (−) x + b (−)) in the negative region, the inclination becomes smaller. Therefore, when the difference between the slopes of the two approximate lines is larger than a predetermined value, the approximate straight line correction unit 14 has an approximate straight line with a smaller slope (in this example, the approximate straight line y = a (in the positive region). +) X + b (+)), an approximate straight line corrected so that its inclination increases is obtained.

近似直線補正部１４は、例えば、小さい方の近似直線の傾きに所定の増分を加えることにより、その傾きを増大することとしてよく、また、小さい方の近似直線の傾きが他方の近似直線の傾きと等しい傾きとなるように補正してもよい。さらに、両方の近似直線の傾きの平均と等しい傾きとなるように補正することとしてもよい。
また、近似直線補正部１４は、小さい方の近似直線の傾き（ａ（＋））を補正するのと同時に、そのＹ軸（変換累積頻度軸）に対する切片（ｂ（＋））について、例えば、元の近似直線の傾きから所定値を増減する、他方の近似直線の切片（ｂ（−））に等しくする、などの補正を行なって補正された切片を求めてもよい。 The approximate straight line correction unit 14 may increase the slope by adding a predetermined increment to the slope of the smaller approximate line, for example, and the slope of the smaller approximate line may be the slope of the other approximate line. You may correct | amend so that it may become the inclination equal to. Furthermore, it is good also as correcting so that it may become the inclination equal to the average of the inclination of both approximate lines.
The approximate straight line correction unit 14 corrects the slope (a (+)) of the smaller approximate straight line, and at the same time, for the intercept (b (+)) with respect to the Y axis (conversion cumulative frequency axis), for example, A corrected intercept may be obtained by performing a correction such as increasing or decreasing a predetermined value from the inclination of the original approximate straight line or making it equal to the intercept (b (−)) of the other approximate straight line.

ステップＳ１０８では、ステップＳ１０６において２つの近似直線同士の傾きの差が所定値より大きいと判定された場合には、ステップＳ１０７において補正された近似直線のパラメータ（ａ（＋）及びｂ（＋）、又はａ（−）及びｂ（−））を用いて、反対に、２つの近似直線同士の傾きの差が所定値以下であると判定された場合には、ステップＳ１０５において算出された近似直線のパラメータを用いて、閾値を決定する。   In step S108, if it is determined in step S106 that the difference in slope between the two approximate lines is greater than a predetermined value, the parameters (a (+) and b (+), b (+), Alternatively, using a (−) and b (−)), on the contrary, if it is determined that the difference in slope between the two approximate lines is equal to or less than a predetermined value, the approximate line calculated in step S105 is calculated. The threshold is determined using the parameter.

図９は、閾値の決定方法の例を説明する図である。画像欠陥検査に正負の符号付きグレイレベル差を用いる場合には、正側の閾値Ｔ（＋）及び負側の閾値Ｔ（−）の両方を決定する。
まず、グレイレベル差が正となる領域に対して固定の感度設定パラメータとして、ＶＯＰ（＋）とＨＯ（＋）を設定しておき、累積確率（ｐ）に相当する累積頻度Ｐ１（＋）（ｐにサンプル数を乗じて求める。）になる直線上の点を求め、その点から縦軸方向にＶＯＰ（＋）、横軸方向にＨＯ（＋）移動したグレイレベル差を閾値とする。従って、閾値Ｔ（＋）はＴ（＋）＝（Ｐ１（＋）−ｂ（＋）＋ＶＯＰ（＋））／ａ（＋）＋ＨＯ（＋）で表されることになる。 FIG. 9 is a diagram illustrating an example of a threshold value determination method. When a positive / negative signed gray level difference is used for image defect inspection, both the positive threshold value T (+) and the negative threshold value T (-) are determined.
First, VOP (+) and HO (+) are set as fixed sensitivity setting parameters for a region where the gray level difference is positive, and the cumulative frequency P1 (+) (corresponding to the cumulative probability (p) is set. The point on the straight line is obtained by multiplying p by the number of samples. The gray level difference obtained by moving VOP (+) in the vertical axis direction and HO (+) in the horizontal axis direction from that point is set as a threshold value. Therefore, the threshold value T (+) is represented by T (+) = (P1 (+) − b (+) + VOP (+)) / a (+) + HO (+).

また、グレイレベル差が負となる領域についても同様に、固定の感度設定パラメータとして、ＶＯＰ（−）とＨＯ（−）を設定しておき、累積確率（ｐ）に相当する累積頻度Ｐ１（−）（ｐにサンプル数を乗じて求める。）になる直線上の点を求め、その点から縦軸方向にＶＯＰ（−）、横軸方向にＨＯ（−）移動したグレイレベル差を閾値とする。従って、閾値Ｔ（−）はＴ＝（−）（Ｐ１（−）−ｂ（−）＋ＶＯＰ（−））／ａ（−）＋ＨＯ（−）で表されることになる。   Similarly, in a region where the gray level difference is negative, VOP (−) and HO (−) are set as fixed sensitivity setting parameters, and the cumulative frequency P1 (−) corresponding to the cumulative probability (p) is set. ) (Determined by multiplying p by the number of samples), a point on the straight line is obtained, and the gray level difference obtained by moving VOP (−) in the vertical axis direction and HO (−) in the horizontal axis direction from that point is used as a threshold value. . Therefore, the threshold value T (−) is represented by T = (−) (P1 (−) − b (−) + VOP (−)) / a (−) + HO (−).

図９に示す閾値の決定方法では、上記閾値の算出式から理解されるように、近似直線の傾きが大きいほど、閾値Ｔ（＋）は小さく設定され（閾値Ｔ（−）は大きく設定される）、傾きａが小さいほど、閾値Ｔ（＋）は大きく設定される（閾値Ｔ（−）は小さく設定される）。
したがって、巨大欠陥の影響により傾きａが小さく算出された場合には、ステップＳ１０６及びＳ１０７において傾きａを増大する補正を行ない、この補正された傾きａを用いて閾値を求めることにより、正負側閾値間の範囲が不適当に広い幅に設定されることを防止することが可能となる。 In the threshold value determination method shown in FIG. 9, as understood from the threshold value calculation formula, the threshold value T (+) is set smaller (the threshold value T (−) is set larger) as the inclination of the approximate line is larger. ), The smaller the inclination a, the larger the threshold value T (+) is set (the threshold value T (-) is set smaller).
Therefore, when the inclination a is calculated to be small due to the influence of the giant defect, correction to increase the inclination a is performed in steps S106 and S107, and the threshold value is obtained using the corrected inclination a, thereby obtaining a positive / negative threshold value. It is possible to prevent the range between them from being set to an inappropriately wide width.

図１０に示すように、Ｐ１（＋）＋ＶＯＰ（＋）をＶＯＱ（＋）と、またＰ１（−）＋ＶＯＰ（−）をＶＯＱ（−）として設定しておいて、Ｔ（＋）＝（ＶＯＱ（＋）−ｂ（＋））／ａ（＋）＋ＨＯ（＋）、及びＴ（−）＝（ＶＯＱ（−）−ｂ（−））／ａ（−）＋ＨＯ（−）と算出しても同じことである。   As shown in FIG. 10, P1 (+) + VOP (+) is set as VOQ (+), and P1 (−) + VOP (−) is set as VOQ (−), and T (+) = (VOQ (+) − B (+)) / a (+) + HO (+) and T (−) = (VOQ (−) − b (−)) / a (−) + HO (−) Same thing.

上記正側閾値Ｔ（＋）及び負側閾値Ｔ（−）を決定した後、検出部８は各画素におけるグレイレベル差ΔＧＬが、決定した閾値Ｔ（−）〜Ｔ（＋）内にあるか否かを判定して、撮像したダイの画像パターンの欠陥を判定する。   After determining the positive threshold value T (+) and the negative threshold value T (−), the detection unit 8 determines whether the gray level difference ΔGL in each pixel is within the determined threshold values T (−) to T (+). It is determined whether or not the defect of the image pattern of the imaged die is determined.

上記のように本発明の第１実施例に係る画像欠陥検査方法及び装置では、グレイレベル差の分布が仮定された通常の分布と異なる場合には、変換累積頻度の近似直線が変化することを利用して検出閾値を補正することとしたが、かかる場合には、変換累積頻度とグレイレベル差との間の相関係数が減少するため、これを利用して検出閾値を補正することとしてもよい。このような画像欠陥検査方法及び装置を図１１〜図１４を参照して説明する。   As described above, in the image defect inspection method and apparatus according to the first embodiment of the present invention, when the gray level difference distribution is different from the assumed normal distribution, the approximate straight line of the conversion cumulative frequency changes. In this case, the correlation coefficient between the conversion cumulative frequency and the gray level difference is reduced, so that it may be used to correct the detection threshold. Good. Such an image defect inspection method and apparatus will be described with reference to FIGS.

図１１は、本発明の第２実施例の半導体パターン用外観検査装置に使用される検出閾値計算部７の検出閾値計算部の概略構成を示すブロック図である。外観検査装置自体の構成は、図３に示す上記第１実施例と同じ構成であるため、検出閾値計算部７以外の他の要素についての説明を省略する。   FIG. 11 is a block diagram showing a schematic configuration of a detection threshold calculation unit of the detection threshold calculation unit 7 used in the semiconductor pattern appearance inspection apparatus according to the second embodiment of the present invention. Since the configuration of the appearance inspection apparatus itself is the same as that of the first embodiment shown in FIG. 3, the description of other elements other than the detection threshold value calculation unit 7 is omitted.

図示のように、検出閾値計算部７は、上記第１実施例と同様に累積頻度算出部１１と、変換部１２と、近似直線算出部１３と、閾値決定部１５とを備えるほか、変換部１２により算出された変換累積頻度とグレイレベル差との相関係数を算出する相関係数算出部１６と、相関係数算出部１６が算出した相関係数に応じて、閾値決定部１５が決定した閾値を補正し検出部８へ出力する閾値補正部１７と、を備える。
このように構成された検出閾値計算部７及び上記各構成要素の動作を、図１２〜図１４を参照して説明する。 As shown in the figure, the detection threshold value calculation unit 7 includes a cumulative frequency calculation unit 11, a conversion unit 12, an approximate straight line calculation unit 13, and a threshold value determination unit 15 as in the first embodiment, and a conversion unit. The correlation coefficient calculation unit 16 that calculates the correlation coefficient between the conversion cumulative frequency calculated in step 12 and the gray level difference, and the threshold value determination unit 15 determines the correlation coefficient calculated by the correlation coefficient calculation unit 16 A threshold correction unit 17 that corrects the threshold value and outputs the corrected threshold value to the detection unit 8.
The operation of the detection threshold value calculation unit 7 configured as described above and each of the above components will be described with reference to FIGS.

ステップＳ１０１〜ステップＳ１０５において、上記第１実施例に係る検出閾値計算部７と同様に、入力されるグレイレベル差データから、その変換累積頻度の近似直線を算出する。
ステップＳ１１１において、相関係数算出部１６は、ステップＳ１０５において最小二乗法などで近似直線を算出する際に使用した、変換累積頻度の各サンプル値について、その変換累積頻度値とこれに対応するグレイレベル差との間の相関係数ｒを算出する。
相関係数ｒは、例えば次式により求めることが可能である。 In steps S101 to S105, similar to the detection threshold value calculation unit 7 according to the first embodiment, an approximate straight line of the conversion cumulative frequency is calculated from the input gray level difference data.
In step S111, the correlation coefficient calculation unit 16 uses the converted cumulative frequency value and the gray level corresponding thereto for each sample value of the converted cumulative frequency used when calculating the approximate straight line by the least square method or the like in step S105. The correlation coefficient r between the level differences is calculated.
The correlation coefficient r can be obtained by the following equation, for example.

Figure 0004766897
Figure 0004766897

ここに、ｘｉ（ｉは１〜ｎの自然数）は各サンプルのグレイレベル差、ｙｉは各サンプルの変換累積頻度、ｎはサンプル数を示す。
被検査画像のグレイレベル差の分布が通常の分布を有し、ステップＳ１０４で仮定した分布に近い場合には、変換累積頻度の各サンプル値は、図１３（Ａ）に示すようには良好にリニアになるように変換される。したがってその相関係数ｒは大きくなる（１に近くなる）。 Here, xi (i is a natural number of 1 to n) is the gray level difference of each sample, yi is the conversion cumulative frequency of each sample, and n is the number of samples.
When the distribution of gray level differences of the image to be inspected has a normal distribution and is close to the distribution assumed in step S104, each sample value of the conversion cumulative frequency is good as shown in FIG. Converted to be linear. Therefore, the correlation coefficient r becomes large (close to 1).

一方で、被検査画像が、例えば多量のノイズを含むなどの理由により、そのグレイレベル差の分布が、ステップＳ１０４で仮定した分布と大きく相違する場合には、各サンプル値は図１３（Ｂ）に示すようにリニアに変換されず、したがってその相関係数は小さくなる。   On the other hand, when the distribution of the gray level difference greatly differs from the distribution assumed in step S104, for example, because the image to be inspected contains a large amount of noise, each sample value is shown in FIG. Therefore, the correlation coefficient is small.

従って、ステップＳ１０８において閾値決定部１５が閾値を決定した後、ステップＳ１１２において、閾値補正部１７は、決定された閾値をステップＳ１１１で算出した相関係数に応じて補正する。
例えば、ステップＳ１０４において仮定する分布を、被検査画像のグレイレベル差が正常に分布するとの仮定の下で決定しておく。すなわち、変換部１２は、理論的に又は良好なリファレンスサンプルから求められたグレイレベル差の分布の累積確率Ｆ（ｔ）の逆関数Ｆ-1（ｔ）を定め、またはこのような分布に基づいて上記変換表を用意しておき、これらを用いて累積頻度を変換し変換累積頻度を求める。 Therefore, after the threshold value determination unit 15 determines the threshold value in step S108, in step S112, the threshold value correction unit 17 corrects the determined threshold value according to the correlation coefficient calculated in step S111.
For example, the distribution assumed in step S104 is determined under the assumption that the gray level difference of the image to be inspected is normally distributed. In other words, the conversion unit 12 determines an inverse function F-1 (t) of the cumulative probability F (t) of the distribution of gray level differences obtained theoretically or from a good reference sample, or based on such a distribution. The above conversion table is prepared, and the cumulative frequency is converted using these to obtain the conversion cumulative frequency.

そして、閾値補正部１７は、相関係数算出部１６が算出した相関係数ｒが低下するとき、閾値決定部１５が決定した閾値が増大するように、すなわち閾値が相関係数ｒの減少関数となるように補正する。
このように閾値を補正することにより、相関係数ｒが大きい被検査画像（すなわち正常に分布する良好な被検査画像）に対しては、閾値を小さく保って検出感度を高感度に維持する一方で、相関係数ｒが小さい被検査画像（すなわちノイズの多い被検査画像）に対しては、閾値を増大させ検出感度を下げて疑似欠陥を防止する。 Then, the threshold correction unit 17 increases the threshold determined by the threshold determination unit 15 when the correlation coefficient r calculated by the correlation coefficient calculation unit 16 decreases, that is, the threshold is a decreasing function of the correlation coefficient r. Correct so that
By correcting the threshold value in this way, for an image to be inspected with a large correlation coefficient r (that is, a good image to be inspected normally), the threshold is kept small and the detection sensitivity is kept high. Thus, for an image to be inspected with a small correlation coefficient r (that is, an image to be inspected with a lot of noise), the threshold value is increased and the detection sensitivity is lowered to prevent pseudo defects.

反対に、ステップＳ１０４において使用する所定の仮定する分布を、ノイズが多い（欠陥の多い）被検査画像のグレイレベル差の分布に基づいて決定してもよい。このような仮定の分布は、例えば図１４（Ｂ）に示すように与えることとしてよい。ここで図１４（Ｂ）に示す分布は、被検査画像に存在する所定量のノイズによって、図１４（Ａ）の通常の分布に比べて、やや広い（緩慢な）分布を有するように決定されている。   Conversely, the predetermined assumed distribution used in step S104 may be determined based on the distribution of gray level differences of the inspected image having a lot of noise (many defects). Such an assumed distribution may be given, for example, as shown in FIG. Here, the distribution shown in FIG. 14B is determined to have a slightly broader (slower) distribution than the normal distribution in FIG. 14A due to a predetermined amount of noise present in the image to be inspected. ing.

そして閾値補正部１７は、上記の通常分布の場合とは反対に、相関係数算出部１６が算出した相関係数ｒが増大するとき、閾値決定部１５が決定した閾値が増大するように、すなわち閾値が相関係数ｒの増加関数となるように補正する。
このように、閾値を補正することによっても、相関係数ｒが高い被検査画像（すなわちノイズの多い被検査画像）に対しては、閾値を増大させて検出感度を下げたまま維持して疑似欠陥を防止する一方で、相関係数ｒが高い被検査画像（ノイズの少ない良好な被検査画像）に対しては、閾値を小さくして検出感度を高めることが可能となる。 Then, contrary to the case of the normal distribution, the threshold correction unit 17 increases the threshold determined by the threshold determination unit 15 when the correlation coefficient r calculated by the correlation coefficient calculation unit 16 increases. That is, the threshold value is corrected so as to be an increasing function of the correlation coefficient r.
As described above, even by correcting the threshold value, for the inspected image having a high correlation coefficient r (that is, the inspected image having a lot of noise), the threshold value is increased and the detection sensitivity is maintained to be lowered. While preventing defects, it is possible to increase the detection sensitivity by reducing the threshold value for an image to be inspected having a high correlation coefficient r (a good image to be inspected with little noise).

上述の閾値補正部１７の補正方法から明らかなように、閾値補正部１７に入力されるグレイレベル差は、正負の符号付きデータでもよく絶対値データでもよい。
グレイレベル差として絶対値データが使用される場合には、差分検出部６は隣接する２個のダイのグレイレベル信号の絶対値データを出力し、検出部８は、検出閾値計算部７が決定する単一の閾値と絶対値データとの比較を行なう。このとき、差分検出部６は、正負の符号付きのグレイレベル差データの平均値など個々のデータから差し引いて、符号付きデータを補正してから絶対値データを求めることとしてよい。 As is clear from the correction method of the threshold correction unit 17 described above, the gray level difference input to the threshold correction unit 17 may be positive / negative signed data or absolute value data.
When absolute value data is used as the gray level difference, the difference detection unit 6 outputs the absolute value data of the gray level signals of two adjacent dies, and the detection unit 8 is determined by the detection threshold value calculation unit 7. The single threshold value to be compared is compared with the absolute value data. At this time, the difference detection unit 6 may obtain the absolute value data after correcting the signed data by subtracting from the individual data such as the average value of the positive and negative signed gray level difference data.

図１５は、本発明の第３実施例の半導体パターン用外観検査装置に使用される検出閾値計算部７の検出閾値計算部の概略構成を示すブロック図である。外観検査装置自体の構成は、図３に示す上記第１実施例と同じ構成であるため、検出閾値計算部７以外の他の要素についての説明を省略する。   FIG. 15 is a block diagram showing a schematic configuration of a detection threshold calculation unit of the detection threshold calculation unit 7 used in the semiconductor pattern appearance inspection apparatus according to the third embodiment of the present invention. Since the configuration of the appearance inspection apparatus itself is the same as that of the first embodiment shown in FIG. 3, the description of other elements other than the detection threshold value calculation unit 7 is omitted.

図示のように、検出閾値計算部７は、上記第１実施例と同様に累積頻度算出部１１と、変換部１２と、近似直線算出部１３と、近似直線補正部１４と、閾値決定部１５とを備える。ここに本実施例では、近似直線補正部１４は、近似直線算出部１３により算出された各近似直線の傾きを、各近似直線同士の傾きの差に応じて補正する。そのため、検出閾値計算部７は、各近似直線の傾きの補正量を算出するための補正量算出部１８をさらに備える。
このように構成された検出閾値計算部７及び上記各構成要素の動作を、図１６及び図１７を参照して説明する。 As shown in the figure, the detection threshold value calculation unit 7 is similar to the first embodiment in that the cumulative frequency calculation unit 11, the conversion unit 12, the approximate line calculation unit 13, the approximate line correction unit 14, and the threshold value determination unit 15 are used. With. Here, in the present embodiment, the approximate line correction unit 14 corrects the inclination of each approximate line calculated by the approximate line calculation unit 13 according to the difference in inclination between the approximate lines. Therefore, the detection threshold value calculation unit 7 further includes a correction amount calculation unit 18 for calculating the correction amount of the inclination of each approximate line.
The operation of the detection threshold value calculation unit 7 configured as described above and each of the above components will be described with reference to FIGS. 16 and 17.

図１６は、本実施例における検出閾値を決定するフローチャートであり、図１７は、本実施例における変換累積頻度の近似直線を補正する処理の説明図である。
ステップＳ１０１〜ステップＳ１０５において、上記第１実施例に係る検出閾値計算部７と同様に、入力されるグレイレベル差データから、その変換累積頻度の近似直線を算出する。図１７（Ａ）に、グレイレベル差の正領域及び負領域にて算出されたそれぞれの近似直線ｙ＝ａ（＋）ｘ＋ｂ（＋）及びｙ＝ａ（−）ｘ＋ｂ（−）を示す。 FIG. 16 is a flowchart for determining the detection threshold in the present embodiment, and FIG. 17 is an explanatory diagram of processing for correcting the approximate straight line of the conversion cumulative frequency in the present embodiment.
In steps S101 to S105, similar to the detection threshold value calculation unit 7 according to the first embodiment, an approximate straight line of the conversion cumulative frequency is calculated from the input gray level difference data. FIG. 17A shows approximate straight lines y = a (+) x + b (+) and y = a (−) x + b (−) calculated in the positive region and the negative region of the gray level difference.

ステップＳ１２１において、近似直線補正部１４は、各近似直線ｙ＝ａ（＋）ｘ＋ｂ（＋）及びｙ＝ａ（−）ｘ＋ｂ（−）同士の傾きの差｜ａ（＋）−ａ（−）｜を算出する。そして補正量算出部１８は、近似直線補正部１４が算出した傾きの差｜ａ（＋）−ａ（−）｜に応じて各近似直線（ｙ＝ａ（＋）ｘ＋ｂ（＋）、ｙ＝ａ（−）ｘ＋ｂ（−））の傾きの補正量を算出する。
例えば、補正量算出部１８は、傾きの差と、これに対応する傾き補正量との間の関係を示す図１７の（Ｂ）に示すグラフに基づいて、近似直線補正部１４が算出した傾きの差が増大するのに応じて、補正量が大きくなり補正された近似直線の傾きが大きくなるように補正量を算出することとしてよい。
このため、補正量算出部１８は、傾きの差と、これに対応する傾き補正量との間の関係を示すために予め定めた関数計算手段や、傾きの差に応じた補正量を検索するために予め記憶されたルックアップテーブルなどを備えることとしてよい。 In step S <b > 121, the approximate straight line correction unit 14 determines the difference in inclination between the approximate straight lines y = a (+) x + b (+) and y = a (−) x + b (−) | a (+) −a (−). | Is calculated. Then, the correction amount calculation unit 18 determines each approximate straight line (y = a (+) x + b (+) , y = ) according to the difference | a (+) −a (−) | calculated by the approximate straight line correction unit 14. The correction amount of the inclination of a (−) x + b (−) ) is calculated.
For example, the correction amount calculation unit 18 calculates the inclination calculated by the approximate straight line correction unit 14 based on the graph shown in FIG. 17B showing the relationship between the difference in inclination and the inclination correction amount corresponding thereto. The correction amount may be calculated so that the correction amount increases and the inclination of the corrected approximate straight line increases as the difference increases.
For this reason, the correction amount calculation unit 18 searches for a predetermined function calculation means or a correction amount according to the difference in inclination in order to show the relationship between the difference in inclination and the inclination correction amount corresponding thereto. Therefore, a lookup table stored in advance may be provided.

ステップＳ１０７では、近似直線補正部１４は、算出された補正量だけ近似直線の傾きを補正する。このとき近似直線補正部１４は、正領域及び負領域にて算出されたそれぞれの近似直線ｙ＝ａ（＋）ｘ＋ｂ（＋）及びｙ＝ａ（−）ｘ＋ｂ（−）の傾きの大小関係を判定し、傾きが小さい方の近似直線の傾きだけを（増大するように）補正してもよく、傾きが小さい近似直線及び大きい近似直線の両方とも傾きを補正してもよい。 In step S107, the approximate straight line correction unit 14 corrects the inclination of the approximate straight line by the calculated correction amount. At this time, the approximate straight line correction unit 14 calculates the magnitude relationship of the slopes of the approximate straight lines y = a (+) x + b (+) and y = a (−) x + b (−) calculated in the positive region and the negative region. It is possible to correct only the inclination of the approximate line with the smaller inclination (so as to increase), or to correct the inclination of both the approximate line with the small inclination and the approximate line with the large inclination.

近似直線補正部１４が、傾きが小さい近似直線及び大きい近似直線の両方とも補正する場合、それぞれの傾きに施す補正量を変えてもよい。例えば近似直線補正部１４は、傾きが小さい近似直線を補正量算出部１８が算出した補正量で傾きを補正し、傾きが大きい近似直線を補正量算出部１８が算出した量の所定割合の補正量で傾きを補正してもよい。また、補正量算出部１８が、傾きの小さい近似直線用及び傾きの小さい近似直線用の補正量をそれぞれ個別に算出して、近似直線補正部１４がこれを使用して両方の近似直線の傾きを補正することとしてよい。   When the approximate straight line correction unit 14 corrects both the approximate straight line having a small inclination and the approximate straight line having a large inclination, the correction amount applied to each inclination may be changed. For example, the approximate straight line correction unit 14 corrects the inclination with the correction amount calculated by the correction amount calculation unit 18 for the approximate straight line with a small inclination, and corrects a predetermined ratio of the amount calculated by the correction amount calculation unit 18 for the approximate straight line with a large inclination. The inclination may be corrected by the amount. In addition, the correction amount calculation unit 18 individually calculates correction amounts for an approximate straight line having a small inclination and for an approximate straight line having a small inclination, and the approximate straight line correction unit 14 uses these to calculate the inclinations of both approximate lines. May be corrected.

そしてステップＳ１０８において、閾値決定部１５は、傾きが補正された近似直線のパラメータ（ａ（＋）及びｂ（＋）、又はａ（−）及びｂ（−））を用いて閾値を決定する。 In step S < b > 108, the threshold value determination unit 15 determines the threshold value using the approximate straight line parameters (a (+) and b (+) , or a (−) and b (−) ) whose inclination is corrected.

本発明は、検査対象の対応する２つの画像を比較して、その差が大きい場合にその一方を欠陥であると判定する画像欠陥検査方法及び装置に利用可能であり、特に、半導体ウエハ上に形成された半導体回路パターン等の回路の欠陥を検出するための外観検査装置に利用可能である。   INDUSTRIAL APPLICABILITY The present invention can be used for an image defect inspection method and apparatus that compares two corresponding images to be inspected and determines that one of them is a defect when the difference is large, particularly on a semiconductor wafer. The present invention is applicable to an appearance inspection apparatus for detecting a defect in a circuit such as a formed semiconductor circuit pattern.

従来の画像欠陥検査方法を説明する図である。It is a figure explaining the conventional image defect inspection method. グレイレベル差の分布の変動により検出閾値に与える影響を説明する図である。It is a figure explaining the influence which it has on the detection threshold by the fluctuation | variation of the distribution of a gray level difference. 本発明の第１実施例に係る外観検査装置の概略構成を示すブロック図である。It is a block diagram which shows schematic structure of the external appearance inspection apparatus which concerns on 1st Example of this invention. 半導体ウエハ上のダイの配列を示す図である。It is a figure which shows the arrangement | sequence of the die | dye on a semiconductor wafer. 図３に示す外観検査装置の検出閾値計算部の概略構成を示すブロック図である。It is a block diagram which shows schematic structure of the detection threshold value calculation part of the visual inspection apparatus shown in FIG. 第１実施例における検出閾値を決定するフローチャートである。It is a flowchart which determines the detection threshold value in 1st Example. 変換累積頻度を算出する処理を説明する図である。It is a figure explaining the process which calculates conversion accumulation frequency. 変換累積頻度の近似直線を補正する処理を説明する図である。It is a figure explaining the process which correct | amends the approximate straight line of conversion accumulation frequency. グレイレベル差と変換累積頻度とのグラフを用いて閾値を決定する処理（その１）を説明する図である。It is a figure explaining the process (the 1) which determines a threshold value using the graph of a gray level difference and conversion accumulation frequency. グレイレベル差と変換累積頻度とのグラフを用いて閾値を決定する処理（その２）を説明する図である。It is a figure explaining the process (the 2) which determines a threshold value using the graph of a gray level difference and conversion accumulation frequency. 本発明の第２実施例に係る外観検査装置の検出閾値計算部の概略構成を示すブロック図である。It is a block diagram which shows schematic structure of the detection threshold value calculation part of the external appearance inspection apparatus which concerns on 2nd Example of this invention. 第２実施例における検出閾値を決定するフローチャートである。It is a flowchart which determines the detection threshold value in 2nd Example. 変換累積頻度とグレイレベル差の間の相関係数を説明する図である。It is a figure explaining the correlation coefficient between conversion accumulation frequency and a gray level difference. 変換部において仮定される所定の分布を示す図である。It is a figure which shows the predetermined distribution assumed in the conversion part. 本発明の第３実施例に係る外観検査装置の検出閾値計算部の概略構成を示すブロック図である。It is a block diagram which shows schematic structure of the detection threshold value calculation part of the external appearance inspection apparatus which concerns on 3rd Example of this invention. 第３実施例における検出閾値を決定するフローチャートである。It is a flowchart which determines the detection threshold value in 3rd Example. 第３実施例における変換累積頻度の近似直線を補正する処理を説明する図である。It is a figure explaining the process which correct | amends the approximate straight line of the conversion accumulation frequency in 3rd Example.

符号の説明Explanation of symbols

１ ステージ
２ 試料台
３ 半導体ウエハ
４ 撮像装置
５ 信号記憶部
６ 差分検出部
７ 検出閾値計算部
８ 検出部 DESCRIPTION OF SYMBOLS 1 Stage 2 Sample stand 3 Semiconductor wafer 4 Imaging device 5 Signal storage part 6 Difference detection part 7 Detection threshold value calculation part 8 Detection part

Claims (11)

２つの画像の対応する部分のグレイレベル差を検出し、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する画像欠陥検査方法であって、
前記２つの画像のグレイレベル差の累積頻度を算出し、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出し、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出し、
前記各近似直線同士の各傾きの差が所定値より大きいとき、前記近似直線のうち傾きの小さい方の近似直線を、その傾きが所定量だけ増大するように補正し、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定し、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査方法。 Detect the gray level difference between the corresponding parts of the two images,
Comparing the detected gray level difference with a threshold value, an image defect inspection method for determining a defect when the gray level difference is greater than the threshold value,
Calculate the cumulative frequency of the gray level difference between the two images,
In a predetermined distribution assumed that the gray level difference is distributed, the cumulative frequency is converted so that the cumulative frequency has a linear relationship with the gray level difference, and a converted cumulative frequency is calculated.
In each region where the gray level difference is positive and negative, each approximate straight line is calculated by linearly approximating the conversion cumulative frequency,
When the difference between the slopes of the approximate lines is larger than a predetermined value, the approximate line with the smaller slope of the approximate lines is corrected so that the slope increases by a predetermined amount ,
Based on the approximate line, a threshold is determined according to a predetermined calculation method from a value of a predetermined cumulative frequency,
An image defect inspection method comprising performing comparison according to the determined threshold value. ２つの画像の対応する部分のグレイレベル差を検出し、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する画像欠陥検査方法であって、
前記２つの画像のグレイレベル差の累積頻度を算出し、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出し、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出し、
前記各近似直線同士の各傾きの差が所定値より大きいとき、前記近似直線のうち傾きの小さい方の近似直線を、他方の近似直線の傾きと等しい傾きとなるように補正し、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定し、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査方法。 Detect the gray level difference between the corresponding parts of the two images,
Comparing the detected gray level difference with a threshold value, an image defect inspection method for determining a defect when the gray level difference is greater than the threshold value,
Calculate the cumulative frequency of the gray level difference between the two images,
In a predetermined distribution assumed that the gray level difference is distributed, the cumulative frequency is converted so that the cumulative frequency has a linear relationship with the gray level difference, and a converted cumulative frequency is calculated.
In each region where the gray level difference is positive and negative, each approximate straight line is calculated by linearly approximating the conversion cumulative frequency,
When the difference between the slopes of the approximate lines is larger than a predetermined value, the approximate line with the smaller slope of the approximate lines is corrected so as to be equal to the slope of the other approximate line ,
Based on the approximate line, a threshold is determined according to a predetermined calculation method from a value of a predetermined cumulative frequency,
An image defect inspection method comprising performing comparison according to the determined threshold value . ２つの画像の対応する部分のグレイレベル差を検出し、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する画像欠陥検査方法であって、
前記２つの画像のグレイレベル差の累積頻度を算出し、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出し、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出し、
前記各近似直線同士の各傾きの差が所定値より大きいとき、前記近似直線のうち傾きの小さい方の近似直線を、両前記近似直線の傾きの平均と等しい傾きとなるように補正し、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定し、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査方法。 Detect the gray level difference between the corresponding parts of the two images,
Comparing the detected gray level difference with a threshold value, an image defect inspection method for determining a defect when the gray level difference is greater than the threshold value,
Calculate the cumulative frequency of the gray level difference between the two images,
In a predetermined distribution assumed that the gray level difference is distributed, the cumulative frequency is converted so that the cumulative frequency has a linear relationship with the gray level difference, and a converted cumulative frequency is calculated.
In each region where the gray level difference is positive and negative, each approximate straight line is calculated by linearly approximating the conversion cumulative frequency,
When the difference between the slopes of the approximate lines is larger than a predetermined value, the approximate line with the smaller slope of the approximate lines is corrected so as to have a slope equal to the average of the slopes of the two approximate lines ,
Based on the approximate line, a threshold is determined according to a predetermined calculation method from a value of a predetermined cumulative frequency,
An image defect inspection method comprising performing comparison according to the determined threshold value . ２つの画像の対応する部分のグレイレベル差を検出し、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する画像欠陥検査方法であって、
前記２つの画像のグレイレベル差の累積頻度を算出し、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出し、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出し、
前記各近似直線同士の傾きの差が大きいほど補正量が大きくなるように予め定めた、各前記傾きの差にそれぞれ対応する補正量によって、傾きが小さい方の前記近似直線の傾きを増加するように補正し、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定し、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査方法。 Detect the gray level difference between the corresponding parts of the two images,
Comparing the detected gray level difference with a threshold value, an image defect inspection method for determining a defect when the gray level difference is greater than the threshold value,
Calculate the cumulative frequency of the gray level difference between the two images,
In a predetermined distribution assumed that the gray level difference is distributed, the cumulative frequency is converted so that the cumulative frequency has a linear relationship with the gray level difference, and a converted cumulative frequency is calculated.
In each region where the gray level difference is positive and negative, each approximate straight line is calculated by linearly approximating the conversion cumulative frequency,
It said predetermined as the more the correction amount is large difference in the slope of the approximate straight lines increases, the correction amount corresponding to the difference between the said slope, to increase the slope of the approximate straight line of the direction the slope is small To
Based on the approximate line, a threshold is determined according to a predetermined calculation method from a value of a predetermined cumulative frequency,
An image defect inspection method comprising performing comparison according to the determined threshold value. 前記所定の分布は、正規分布、ポアソン分布、ｔ分布、指数分布、ワイプル分布又はχ二乗分布のいずれかである請求項１〜４のいずれか一項に記載の画像欠陥検査方法。 Wherein the predetermined distribution is a normal distribution, a Poisson distribution, t distribution, an exponential distribution, an image defect inspection method according to any one of claims 1-4 is either Waipuru distribution or χ-square distribution. ２つの画像の対応する部分のグレイレベル差を検出する差画像検出部と、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する欠陥検出部と、
検出した前記グレイレベル差の分布に応じて、前記閾値を変更する検出閾値計算部と、を備える画像欠陥検査装置であって、
前記検出閾値計算部は、
前記２つの画像のグレイレベル差の累積頻度を算出する累積頻度算出部と、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出する変換部と、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出する近似直線算出部と、
前記各近似直線同士の各傾きの差が所定値より大きいとき、前記近似直線のうち傾きの小さい方の近似直線を、その傾きが所定量だけ増大するように補正する近似直線補正部と、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定する閾値決定部と、を備え、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査装置。 A difference image detection unit for detecting a gray level difference between corresponding portions of the two images;
A defect detection unit that compares the detected gray level difference with a threshold and determines that the defect is a defect when the gray level difference is greater than the threshold;
A detection threshold value calculation unit that changes the threshold value according to the distribution of the detected gray level difference, and an image defect inspection device comprising:
The detection threshold calculation unit
An accumulated frequency calculating unit for calculating an accumulated frequency of a gray level difference between the two images;
A conversion unit that calculates the converted cumulative frequency by converting the cumulative frequency so that the cumulative frequency has a linear relationship with the gray level difference in a predetermined distribution assumed that the gray level difference is distributed;
In each region where the gray level difference is positive and negative, an approximate straight line calculation unit that calculates each approximate straight line by linearly approximating the conversion cumulative frequency, and
An approximate straight line correction unit that corrects an approximate straight line having a smaller slope among the approximate straight lines so that the slope increases by a predetermined amount when the difference between the slopes of the approximate straight lines is larger than a predetermined value;
A threshold determination unit that determines a threshold from a value of a predetermined cumulative frequency according to a predetermined calculation method based on the approximate straight line,
An image defect inspection apparatus that performs comparison according to the determined threshold value. ２つの画像の対応する部分のグレイレベル差を検出する差画像検出部と、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する欠陥検出部と、
検出した前記グレイレベル差の分布に応じて、前記閾値を変更する検出閾値計算部と、を備える画像欠陥検査装置であって、
前記検出閾値計算部は、
前記２つの画像のグレイレベル差の累積頻度を算出する累積頻度算出部と、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出する変換部と、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出する近似直線算出部と、
前記各近似直線同士の各傾きの差が所定値より大きいとき、前記近似直線のうち傾きの小さい方の近似直線を、他方の近似直線の傾きと等しい傾きとなるように補正する近似直線補正部と、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定する閾値決定部と、を備え、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査装置。 A difference image detection unit for detecting a gray level difference between corresponding portions of the two images;
A defect detection unit that compares the detected gray level difference with a threshold and determines that the defect is a defect when the gray level difference is greater than the threshold;
A detection threshold value calculation unit that changes the threshold value according to the distribution of the detected gray level difference, and an image defect inspection device comprising:
The detection threshold calculation unit
An accumulated frequency calculating unit for calculating an accumulated frequency of a gray level difference between the two images;
A conversion unit that calculates the converted cumulative frequency by converting the cumulative frequency so that the cumulative frequency has a linear relationship with the gray level difference in a predetermined distribution assumed that the gray level difference is distributed;
In each region where the gray level difference is positive and negative, an approximate straight line calculation unit that calculates each approximate straight line by linearly approximating the conversion cumulative frequency, and
When the difference between the slopes of the approximate lines is larger than a predetermined value, the approximate straight line correction unit that corrects the approximate straight line having the smaller slope of the approximate straight lines so as to have a slope equal to the slope of the other approximate straight line. When,
A threshold determination unit that determines a threshold from a value of a predetermined cumulative frequency according to a predetermined calculation method based on the approximate straight line,
An image defect inspection apparatus that performs comparison according to the determined threshold value . ２つの画像の対応する部分のグレイレベル差を検出する差画像検出部と、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する欠陥検出部と、
検出した前記グレイレベル差の分布に応じて、前記閾値を変更する検出閾値計算部と、を備える画像欠陥検査装置であって、
前記検出閾値計算部は、
前記２つの画像のグレイレベル差の累積頻度を算出する累積頻度算出部と、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出する変換部と、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出する近似直線算出部と、
前記各近似直線同士の各傾きの差が所定値より大きいとき、前記近似直線のうち傾きの小さい方の近似直線を、両前記近似直線の傾きの平均と等しい傾きとなるように補正する近似直線補正部と、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定する閾値決定部と、を備え、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査装置。 A difference image detection unit for detecting a gray level difference between corresponding portions of the two images;
A defect detection unit that compares the detected gray level difference with a threshold and determines that the defect is a defect when the gray level difference is greater than the threshold;
A detection threshold value calculation unit that changes the threshold value according to the distribution of the detected gray level difference, and an image defect inspection device comprising:
The detection threshold calculation unit
An accumulated frequency calculating unit for calculating an accumulated frequency of a gray level difference between the two images;
A conversion unit that calculates the converted cumulative frequency by converting the cumulative frequency so that the cumulative frequency has a linear relationship with the gray level difference in a predetermined distribution assumed that the gray level difference is distributed;
In each region where the gray level difference is positive and negative, an approximate straight line calculation unit that calculates each approximate straight line by linearly approximating the conversion cumulative frequency, and
When the difference between the slopes of the approximate lines is larger than a predetermined value, the approximate straight line that corrects the approximate straight line with the smaller slope of the approximate straight lines so as to have a slope equal to the average of the slopes of the approximate lines. A correction unit;
A threshold determination unit that determines a threshold from a value of a predetermined cumulative frequency according to a predetermined calculation method based on the approximate straight line,
An image defect inspection apparatus that performs comparison according to the determined threshold value . ２つの画像の対応する部分のグレイレベル差を検出する差画像検出部と、
検出した前記グレイレベル差を閾値と比較して、前記グレイレベル差が前記閾値より大きい場合に、欠陥であると判定する欠陥検出部と、
検出した前記グレイレベル差の分布に応じて、前記閾値を変更する検出閾値計算部と、を備える画像欠陥検査装置であって、
前記検出閾値計算部は、
前記２つの画像のグレイレベル差の累積頻度を算出する累積頻度算出部と、
前記グレイレベル差が分布すると仮定した所定の分布で、前記累積頻度が前記グレイレベル差に対してリニアな関係になるように前記累積頻度を変換して変換累積頻度を算出する変換部と、
前記グレイレベル差が正及び負である各領域において、前記変換累積頻度をそれぞれ直線近似して各近似直線を算出する近似直線算出部と、
前記各近似直線同士の傾きの差が大きいほど補正量が大きくなるように予め定めた、各前記傾きの差にそれぞれ対応する補正量によって、傾きが小さい方の前記近似直線の傾きを増加するように近似直線補正部と、
前記近似直線に基づいて、所定の累積頻度の値から所定の算出方法に従って閾値を決定する閾値決定部と、を備え、
決定した前記閾値に従って比較を行うことを特徴とする画像欠陥検査装置。 A difference image detection unit for detecting a gray level difference between corresponding portions of the two images;
A defect detection unit that compares the detected gray level difference with a threshold and determines that the defect is a defect when the gray level difference is greater than the threshold;
A detection threshold value calculation unit that changes the threshold value according to the distribution of the detected gray level difference, and an image defect inspection device comprising:
The detection threshold calculation unit
An accumulated frequency calculating unit for calculating an accumulated frequency of a gray level difference between the two images;
A conversion unit that calculates the converted cumulative frequency by converting the cumulative frequency so that the cumulative frequency has a linear relationship with the gray level difference in a predetermined distribution assumed that the gray level difference is distributed;
In each region where the gray level difference is positive and negative, an approximate straight line calculation unit that calculates each approximate straight line by linearly approximating the conversion cumulative frequency, and
It said predetermined as the more the correction amount is large difference in the slope of the approximate straight lines increases, the correction amount corresponding to the difference between the said slope, to increase the slope of the approximate straight line of the direction the slope is small And an approximate straight line correction unit,
A threshold determination unit that determines a threshold from a value of a predetermined cumulative frequency according to a predetermined calculation method based on the approximate straight line,
An image defect inspection apparatus that performs comparison according to the determined threshold value. 前記所定の分布は、正規分布、ポアソン分布、ｔ分布、指数分布、ワイプル分布又はχ二乗分布のいずれかである請求項６〜９のいずれか一項に記載の画像欠陥検査装置。 Wherein the predetermined distribution is a normal distribution, a Poisson distribution, t distribution, an exponential distribution, an image defect inspection apparatus according to any one of claims 6-9 is either Waipuru distribution or χ-square distribution. 半導体ウエハ上に形成された半導体回路パターンの欠陥を検出する外観検査装置であって、
前記半導体ウエハ上の前記半導体回路パターンの画像を生成する撮像手段と、
請求項６〜１０のいずれか１項に記載の画像欠陥検査装置とを備え、
前記画像欠陥検査装置が、前記半導体回路パターンの欠陥を検出することを特徴とする外観検査装置。 An appearance inspection apparatus for detecting defects in a semiconductor circuit pattern formed on a semiconductor wafer,
Imaging means for generating an image of the semiconductor circuit pattern on the semiconductor wafer;
The image defect inspection apparatus according to any one of claims 6 to 10 ,
The appearance inspection apparatus, wherein the image defect inspection apparatus detects a defect of the semiconductor circuit pattern.
JP2005098581A 2004-12-13 2005-03-30 Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus Expired - Fee Related JP4766897B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2005098581A JP4766897B2 (en) 2004-12-13 2005-03-30 Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus
US11/255,136 US7336815B2 (en) 2004-12-13 2005-10-19 Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2004359343 2004-12-13
JP2004359343 2004-12-13
JP2005098581A JP4766897B2 (en) 2004-12-13 2005-03-30 Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus

Publications (2)

Publication Number Publication Date
JP2006195947A JP2006195947A (en) 2006-07-27
JP4766897B2 true JP4766897B2 (en) 2011-09-07

Family

ID=36583915

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2005098581A Expired - Fee Related JP4766897B2 (en) 2004-12-13 2005-03-30 Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus

Country Status (2)

Country Link
US (1) US7336815B2 (en)
JP (1) JP4766897B2 (en)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008039743A (en) * 2006-08-10 2008-02-21 Tokyo Seimitsu Co Ltd Visual inspection apparatus and visual inspection method
US7774153B1 (en) * 2008-03-17 2010-08-10 Kla-Tencor Corp. Computer-implemented methods, carrier media, and systems for stabilizing output acquired by an inspection system
US8238635B2 (en) * 2008-03-21 2012-08-07 General Electric Company Method and system for identifying defects in radiographic image data corresponding to a scanned object
US10102619B1 (en) 2011-03-28 2018-10-16 Hermes Microvision, Inc. Inspection method and system
US8705839B2 (en) 2011-11-18 2014-04-22 Sharp Laboratories Of America, Inc. Electronic devices for defect detection
TWI627588B (en) * 2015-04-23 2018-06-21 日商思可林集團股份有限公司 Inspection device and substrate processing apparatus
KR102446956B1 (en) * 2016-05-12 2022-09-23 세메스 주식회사 Method of detecting image noise of camera
CN106312062B (en) 2016-08-02 2018-09-25 西安铂力特增材技术股份有限公司 A kind of method and increasing material manufacturing equipment for examining powdering quality
JP6879841B2 (en) * 2017-06-28 2021-06-02 株式会社 東京ウエルズ Image processing method and defect inspection method
CN112164052B (en) * 2020-09-30 2021-10-15 西南交通大学 Railway sleeper defect detection method based on terahertz imaging
CN112734691B (en) * 2020-12-17 2023-06-16 郑州金惠计算机***工程有限公司 Industrial product defect detection method and device, terminal equipment and storage medium
CN115222741B (en) * 2022-09-20 2023-02-28 江苏昱恒电气有限公司 Cable surface defect detection method
CN116630322B (en) * 2023-07-24 2023-09-19 深圳市中翔达润电子有限公司 Quality detection method of PCBA (printed circuit board assembly) based on machine vision

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4868651A (en) * 1988-05-17 1989-09-19 S&S Inficon, Inc. Digital radiography with image brightness and contrast normalization
JP3329805B2 (en) 1990-08-29 2002-09-30 株式会社日立製作所 Automatic visual inspection device and visual inspection method
JP2996263B2 (en) * 1991-08-14 1999-12-27 日立電子エンジニアリング株式会社 Optimal threshold value determination method for foreign object detection
US5936684A (en) * 1996-10-29 1999-08-10 Seiko Epson Corporation Image processing method and image processing apparatus
JP3749090B2 (en) 2000-07-06 2006-02-22 大日本スクリーン製造株式会社 Pattern inspection device
US6993183B2 (en) * 2001-03-13 2006-01-31 Canon Kabushiki Kaisha Image processing apparatus, image processing system, image processing method, and computer-readable storage medium
EP1451561A2 (en) * 2001-11-28 2004-09-01 Applied Materials, Inc. Method for detecting defects in substrates
JP4017148B2 (en) * 2002-09-05 2007-12-05 大日本スクリーン製造株式会社 Pattern inspection apparatus, yield management system, pattern inspection method, substrate manufacturing method, and program
JP4233397B2 (en) * 2002-10-01 2009-03-04 株式会社東京精密 Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus

Also Published As

Publication number Publication date
US7336815B2 (en) 2008-02-26
US20060126914A1 (en) 2006-06-15
JP2006195947A (en) 2006-07-27

Similar Documents

Publication Publication Date Title
JP4766897B2 (en) Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus
JP4233397B2 (en) Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus
JP2006200972A (en) Image defect inspection method, image defect inspection device, and external appearance inspection device
US7492942B2 (en) Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus
JP4776308B2 (en) Image defect inspection apparatus, image defect inspection system, defect classification apparatus, and image defect inspection method
JP4169573B2 (en) Pattern inspection method and inspection apparatus
KR100855100B1 (en) Appearance inspection apparatus and appearance inspection method
JP2007149837A (en) Device, system, and method for inspecting image defect
JP3749090B2 (en) Pattern inspection device
JP4711570B2 (en) Pattern inspection method and inspection apparatus
JP2010164487A (en) Defect inspecting apparatus and defect inspecting method
JP2010043941A (en) Image inspection apparatus and image inspection method
JP4703327B2 (en) Image defect inspection apparatus and image defect inspection method
JP4230880B2 (en) Defect inspection method
US7697130B2 (en) Apparatus and method for inspecting a surface of a wafer
JP2009097959A (en) Defect detecting device and defect detection method
US7023541B2 (en) Device inspecting for defect on semiconductor wafer surface
JP3752849B2 (en) Pattern defect inspection apparatus and pattern defect inspection method
JP4827896B2 (en) Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus
CN110854035A (en) Method and device for detecting wafer edge defects
JP2006242681A (en) Visual inspection apparatus
JP2007047122A (en) Image defect inspection device, defect classification device, and image defect inspection method
JP2009097923A (en) Defect detecting device and defect detection method
JP4849822B2 (en) Appearance inspection apparatus and appearance inspection method
JP2007047020A (en) Image defect inspection device, image defect inspection system, and image defect inspection method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20080331

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20101028

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20101116

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110112

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20110517

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20110614

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140624

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees